Inteligencia Artificial
ENSAYO UNIDAD IV “Búsqueda y Satisfacción De Restricciones”
PROFESOR: ING. EDWIN LOPEZ ALVAREZ
REALIZO: OSMAR ADAN PAT ALEJOS
FECHA: 14 DE MAYO DEL 2012
Tabla de contenido
BUSQUEDA Y SATISFACCION DE RESTRICCIONES ...............................................................
3
Problemas y Espacios de Estado .............................................................................................
3
Espacio de Estados Determinísticos y Espacios No Determinísticos. ....................................
Búsqueda Sistemática..............................................................................................................
6
Búsqueda de Metas a Profundidad ......................................................................................
6
Búsqueda de Metas en Anchura. .........................................................................................
7
Búsqueda Óptima ................................................................................................................
7
Satisfacción de Restricciones ..................................................................................................
9
Resolución de Problemas de Juegos ......................................................................................
11
CONCLUSION........................................................................................................................
12
2
5
BUSQUEDA Y SATISFACCION DE RESTRICCIONES
Problemas y Espacios de Estado
Generalmente existen diferencies problemas a resolver en la Inteligencia Artificial, y uno de ellos es el problema de buscar un estado perfecto entre un conjunto determinado o espacio de estados. ¿Como se puede entender esto?, simple: basta con entender el hecho de poder cumplir un objetivo a través de diferentes obstáculos (espacio), donde la interrogante es el hecho de que secuencia de movimientos se necesitaran para alcanzar dicho objetivo, donde los algoritmos y variables externas hacen un juego determinantes.
Es importante definir los aspectos necesarios y la estructura del problema antes de poder desarrollar una solución eficaz al problema.
La estructura de solución debe poder definir el problema a través de los siguientes puntos:
Espacio de Estados: se trata de definir el problema mediante estados posibles. Es necesario hacer cambios en el espacio de estado para que pase a otro estado, el cual también sufrirá nuevas transformaciones. Por lo cual hay que definir una serie de operadores (Representa un conjunto finito de acciones básicas que transforman unos estados a otros. Sus elementos son la aplicabilidad (precondición y postcondición) y el estado resultante de la aplicación de un operador a un estado).
Estado Inicial del Problema: posición inicial del sujeto (objeto), en el espacio y sus reglas aplicables.
Estado Final: Objetivo o posición final donde el objetivo ha sido cumplido.
Reglas de Espacio: movimientos legales, que pueden describirse mediante una parte patrón para ser contrastado con la posición actual en el Espacio y otra parte que describe el cambio que debe producirse en el Espacio. 3
Elegir operadores depende de la representación de los estados y siempre se prefiere aquellas representaciones con menor número de operadores, lo que refleja una mayor eficiencia en tiempo y desgaste.
La formulación de un problema es el proceso que consiste en decidir qué acciones y estados habrán que considerarse y es el paso que sigue a la formulación de objetivos. Podemos decir que generalmente, cuando un objeto tiene ante si diversas opciones inmediatas, para decidir que debe hacer, tiende a evaluar las diversas secuencias d acciones posibles que le conducen a estados cuyo valor se conoce y así ya se decide el mejor. Al anterior proceso de hallar tal secuencia se le conoce como búsqueda y es un algoritmo de búsqueda: la entrada es un problema y la respuesta es una solución que adopta la forma de una secuencia de acciones. Una vez encontrada una solución se procede a ejecutar las acciones que esta recomienda. A la anterior se le denomina fase de ejecución. Es decir el diseño del agente se reduce a “formular, buscar y ejecutar”, la solución optima.
4
Espacio de Estados Determinísticos y Espacios No Determinísticos.
Se puede decir que un espacio de estados es la representación de un problema que abarca todas las posibles situaciones que se pueden presentar en la solución de un problema y pueden ser clasificados en 2 tipos: los implícitos y los explícitos.
Los implícitos normalmente generan sobre la marcha los posibles estados siguientes a partir de un sistema de producción. Los juegos son un gran ejemplo de estos estados, ya que simulan diferentes caminos de una historia conforme el jugador vaya realizando y cumpliendo situaciones especificas.
En cambio los estados explícitos definen previo al inicio de la búsqueda todos los estados posibles y sus conexiones simultáneas; de forma determinística o no, de tal manera que el espacio de estados determinísticos contienen un único estado inicial y seguir la secuencia de estados para la solución, mientras que el otro, contiene un amplio numero de estados iniciales y sigue la secuencia de los conexos al estado inicial.
Los espacios de estados determinísticos son usados por los sistemas expertos, mientras que los no determinísticos son usados por sistemas de lógica confusa.
Entonces para cumplir como un sistema determinístico, para un estado dado, al menos aplica una regla a él y de solo una manera. Si más de una regla aplica a cualquier estado particular del sistema, o si una regla aplica a un estado particular del sistema en más de una manera, entonces el sistema aplica a no determinista.
5
Búsqueda Sistemática
Generalmente encontramos en Computación, problemas de búsquedas, que son de un estado determinístico. Por ejemplo, en los algoritmos de búsqueda de anchura y de búsqueda de profundidad, uno sabe la secuencia de los nodos visitados en un árbol.
Aun así, los problemas de búsqueda, los cuales siempre tendremos que tratar en Inteligencia artificial, son no determinísticos y el orden de elementos visitados en el espacio de búsqueda depende completamente en el conjunto de datos.
A partir de la metodología de expansión de espacio de un estado y seguidamente el orden de los estados visitados, los problemas de búsqueda se clasifican de la siguiente manera:
Búsqueda de Metas a Profundidad o
Es algoritmo por mucho el más utilizado. Lo llaman así porque sigue cada camino hasta su mayor profundidad antes de moverse al siguiente camino.
o
La búsqueda de metas por profundidad involucra trabajar todos los caminos debajo del camino del árbol más a la izquierda hasta que un nodo hoja es alcanzado. Si esta es una meta de estado, la búsqueda es completada y reportada como exitosa.
o
Si el nodo hoja no es la meta de estado, la búsqueda se dirige atrás y arriba al siguiente nodo más alto que tiene un camino no explorado.
o
La búsqueda de profundidad es un ejemplo de la búsqueda de fuerza bruta, o la búsqueda exhaustiva. La búsqueda de profundidad es se usa principalmente por computadoras para los problemas de búsqueda como ubicar archivos borrados por accidente en un disco duro.
6
o
Un problema de esta búsqueda es que se requiere mayor cantidad de memoria en la búsqueda de profundidad, cuando alcanzamos la mayor profundidad a la primera vez.
o
Un ejemplo es que si encontramos la meta en la posición más a la izquierda de profundidad, entonces el número de nodos examinados es (d+1) siendo d, el nodo final. De otra forma, si encontramos la meta en el extremo derecho a una profundidad (D), entonces el número de nodos examinados son todos los del árbol.
Búsqueda de Metas en Anchura. o
Esta búsqueda sigue una estrategia sencilla en la que se expande primero el nodo raíz y a continuación se expande todos los sucesores del nodo raíz, después sus sucesores, y así consecutivamente.
o
Esto genera que se expandan todos los nodos a una profundidad en el árbol de búsqueda antes de expandir cualquier nodo del próximo nivel.
o
Esto significa que los nodos más superficiales se expanden antes que los nodos más profundos. Se basa en desarrollar completamente cada nivel del árbol antes de pasar a desarrollar el siguiente.
o
No se “pierde”, explorando caminos infructuosos que consumen mucho
tiempo y espacio sin llegar a una solución o de los que se ciclan al infinito. o
Si hay una solución la encuentra, es mas, si hay varias encuentra la óptima.
Búsqueda Óptima o
También llamada búsqueda heurística, trata de resolver los problemas mediante una nueva técnica.
o
Seleccionando el nodo más prometedor, podemos expandir los nodos mas selectivamente, a partir de que los nodos estarán identificados por el valor de su fuerza comparada con sus competidores homólogos con la ayuda de funciones heurísticas. 7
o
La búsqueda optima generalmente trabaja para dos tipos distintos de problemas concretos: el razonamiento hacia atrás y e razonamiento hacia delante.
o
Y se diferencia principalmente porque un problema de razonamiento hacia delante, se mueve hacia la meta de estado desde un estado inicial predefinido, mientras en un problema de razonamiento hacia atrás, nos movemos hacia un estado inicial a partir de una meta de estado final.
8
Satisfacción de Restricciones
En la programación existen métodos de solución de problemas enfocados en la descripción y resolución eficiente de problemas combinatorios y de optimización generalmente, uno de ellos es el método de satisfacción de restricciones. Estos problemas son comunes en áreas como inteligencia artificial, investigación operativa, bases de datos y sistemas de recuperación de la información, etc. Esto conlleva al hecho de problemas que pueden modelarse como problemas de satisfacción de restricciones (CSP, por siglas en ingles) y resolverse bajo esta metodología.
Las etapas básicas para la resolución de un problema CSP son su modelización y su posterior resolución mediante la aplicación de técnicas CSP específicas, que incluyen procesos de búsqueda apoyados con métodos heurísticos y procesos inferenciales.
Existen restricciones de diverso tipo. Una de ellas, las unarias, se refieren al valor de una sola variable. Por ejemplo, las variables correspondientes al dígito del extremo izquierdo de una de las hileras de un problema de criptoaritmética tienen la restricción de no ser nunca cero; las restricciones de orden superior mantienen una restricción de adición y pueden llegar a tener varias variables. Y, por último, las restricciones pueden ser absolutas, y cuya violación rige una restricción de preferencia, y que genera qué tipo de solución es la que se prefiere.
La mayoría de las decisiones propias de día a día se ven sujetas a restricciones. Decisiones tan cotidianas como fijar una cita, planear un viaje, comprar un coche o cocinar puede depender de muchos aspectos interdependientes e incluso conflictivos, cada uno de los cuales está sujeto a restricciones que deben superarse para poder validar el objetivo final.
9
Esto genera conflicto a veces ya que, no siempre se pueden satisfacer todas las restricciones, quedando algunas sin completarse, por lo tanto, para obtener una solución óptima no basta con una solución.
10
Resolución de Problemas de Juegos
Los juegos son uno de los desafíos mentales mas estimulantes para los seres humanos, que reta su capacidad para resolver problemas, así como su habilidad para analizar los elementos esenciales del problema e identificar las posibles acciones necesarias para resolverlos y generar un resultado positivos y tal ves optimo. Se sobrentiende que la resolución de problemas es un proceso que parte de unos datos iniciales y que mediante un conjunto de procedimientos lógicos escogidos, puede generar los pasos o elementos que permitan encontrar la solución optima o no de un problema planteado. Lo mas espectacular que nos proporciona la utilización de los juegos es que a través de ellos es muy fácil medir el éxito o el fracaso de alguna situación, por lo que podemos comprobar si las técnicas y algoritmos empleados son los óptimos. En comparación con otras aplicaciones de inteligencia artificial, por ejemplo comprensión del lenguaje, los juegos no necesitan grandes cantidades de algoritmos definidos, sino mas lógicas que se rigen de las leyes naturales que permiten crear las situaciones necesarias para una optima resolución de un problema.
11
CONCLUSION
Los diferentes aspectos de resolución de problemas se basan fielmente de la idea de simplificar la vida humana, es de ahí el hecho que necesitemos simular lo mas posible nuestro medio y que mejor forma que simulando también sus problemas y restricciones.
Es básico entender el porqué de la solución de un problema, pero tal ves es mas complicado entender el como llegamos a esa solución, tantos procesos que parecen innecesarios para nosotros, realmente son vitales para poder crear una estructura optima de solución, ya sea por diferentes métodos de búsqueda, de la definición de estados o los espacios que los rigen.
La Inteligencia Artificial como ciencia nueva, busca resolver estos dilemas que conlleven a comprender como es que se mueve el mundo gracias a nuestra mente, y solo con la comprensión de problemas y métodos de solución y razonamiento podemos entenderlos y mejorarlos, pero no es mas que un simple hecho que es cuestión de tiempo antes de que nosotros mismos nos demos cuenta que no hay método que pueda llegar a imitarnos tal para cual a la mente humana y que jamás podrán copiar ese ingenio, característica de la Inteligencia Humana.
12
